This tutorial is from open-source community. Access the source code
💡 本教程由 AI 辅助翻译自英文原版。如需查看原文，您可以 切换至英文原版
在数据可视化中，误差线是显示数据不确定性的有用工具。误差线是数据可变性的图形表示，用于在图表上指示报告测量中的误差或不确定性。在本实验中，我们将学习在 Matplotlib 中指定误差线的不同方法。
虚拟机启动完成后，点击左上角切换到“笔记本”标签，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。
我们将首先导入必要的库，包括 Matplotlib 和 NumPy。
import matplotlib.pyplot as plt
import numpy as np接下来，我们将定义 x 和 y 数据。在这个例子中，我们将分别使用np.arange()和np.exp()函数来创建 x 和 y 数据。
## 示例数据
x = np.arange(0.1, 4, 0.5)
y = np.exp(-x)现在我们将定义误差值。在这个例子中，我们将使用error变量来表示对称误差，使用asymmetric_error变量来表示不对称误差。
## 示例误差线值，其随 x 位置变化
error = 0.1 + 0.2 * x
## 具有不同正负误差的误差线值，
## 且也随 x 位置变化
lower_error = 0.4 * error
upper_error = error
asymmetric_error = [lower_error, upper_error]现在我们将绘制带有可变对称误差线的数据。ax.errorbar()函数用于创建绘图，yerr参数用于指定误差值。
## 绘制变量及对称误差线
fig, ax = plt.subplots()
ax.errorbar(x, y, yerr=error, fmt='-o')
ax.set_title('Variable, Symmetric Error Bars')
plt.show()接下来，我们将绘制带有可变不对称误差线的数据。同样使用ax.errorbar()函数，但这次使用xerr参数来指定不对称误差值。
## 绘制变量及不对称误差线
fig, ax = plt.subplots()
ax.errorbar(x, y, xerr=asymmetric_error, fmt='o')
ax.set_title('Variable, Asymmetric Error Bars')
plt.show()最后，我们将绘制带有对数刻度和误差线的数据图。ax.set_yscale()函数用于将 y 轴设置为对数刻度。
## 绘制带误差线的对数刻度图
fig, ax = plt.subplots()
ax.errorbar(x, y, yerr=error, fmt='o')
ax.set_title('Log Scale with Error Bars')
ax.set_yscale('log')
plt.show()在本实验中，我们学习了在 Matplotlib 中指定误差线的不同方法。我们首先导入必要的库，并定义我们的数据和误差值。然后，我们创建了带有可变对称误差线和可变不对称误差线的图表。最后，我们绘制了带有对数刻度和误差线的数据图。通过在可视化中使用误差线，我们可以提供有关数据不确定性的有价值信息。
